Генеративный ИИ естественно-научного контента: различия между версиями
Материал из Поле цифровой дидактики
Patarakin (обсуждение | вклад) |
Patarakin (обсуждение | вклад) |
||
| Строка 22: | Строка 22: | ||
== Сравнительный анализ таксономий учебных задач и определение типов учебных заданий, для генерации которых перспективно использовать ИИ == | == Сравнительный анализ таксономий учебных задач и определение типов учебных заданий, для генерации которых перспективно использовать ИИ == | ||
Среди многочисленных таксономий учебных задач выделяются два направления: | |||
# В рамках первого направления исходной точкой служат свойства самих учебных задач. Показательным примером первого подхода могут служить работы Балла, Башмакова, Коноле и Пакета | |||
# В рамках второго исходной точкой служат результаты обучения – знания и умения, которые должен освоить ученик в ходе решения учебных задач. [[Таксономия Блума]] — таксономия педагогических целей в познавательной сфере. [[Таксономия Толлингеровой]] | |||
{{#ask: [[Таксономия Толлингеровой]] | ?Descripion }} | |||
== Анализ кейсов использования генеративного ИИ == | == Анализ кейсов использования генеративного ИИ == | ||
Версия 13:18, 22 декабря 2023
| Описание события | Отчётный доклад про проекту Генеративный ИИ естественно-научного контента - «Приоритет - 2030» |
|---|---|
| Тип события | Доклад |
| Начало | 2023-12-22T14:15:40.000Z |
| Окончание | 2023-12-22T14:30:40.000Z |
| color | DarkOliveGreen |
| Адрес события | |
| Видео запись события | |
| Среды и средства, которые использовались в рамках события | PlantUML |
| Формируемые в рамках события компетенции | |
| Область знаний | Искусственный интеллект, Большие данные |
| Местоположение | 55° 48' 23.22" N, 37° 36' 58.04" E |
| Формат реализации | |
| Карта |
- Разработка и исследование модели использование генеративного ИИ для формирования заданий по естественно-научным дисциплинам.
В рамках данного исследования ключевой является проблема создания, видоизменения и повторного использования заданий. Для изучения предложена последовательность действий:
- Сравнительный анализ таксономий учебных задач и определение типов учебных заданий, для генерации которых перспективно использовать ИИ
- Анализ кейсов использования генеративного ИИ
- Разработка модели использования генеративного ИИ для генерации заданий
- Экспериментальная настройка нейронной сети на генерацию заданий по естественно-научным дисциплинам.
- Экспериментальное использование методики обучения школьников, включающую генерацию заданий искусственным интеллектом, и доработка разработанных учебно-методических материалов
Сравнительный анализ таксономий учебных задач и определение типов учебных заданий, для генерации которых перспективно использовать ИИ
Среди многочисленных таксономий учебных задач выделяются два направления:
- В рамках первого направления исходной точкой служат свойства самих учебных задач. Показательным примером первого подхода могут служить работы Балла, Башмакова, Коноле и Пакета
- В рамках второго исходной точкой служат результаты обучения – знания и умения, которые должен освоить ученик в ходе решения учебных задач. Таксономия Блума — таксономия педагогических целей в познавательной сфере. Таксономия Толлингеровой
| Descripion | |
|---|---|
| Таксономия Толлингеровой |
Анализ кейсов использования генеративного ИИ
Разработка модели использования генеративного ИИ для генерации заданий
Экспериментальная настройка нейронной сети на генерацию заданий по естественно-научным дисциплинам
Экспериментальное использование методики обучения школьников, включающую генерацию заданий искусственным интеллектом, и доработка разработанных учебно-методических материалов
Заключение
Все поставленные в проекте задачи были решены, и их решение позволило увидеть новые проблемы, которые возникают перед образованием ввиду того, что на поле цифровой и вычислительной дидактики всё более активно действует генеративный искусственный интеллект как новый актор образовательного процесса:
- Современные большие языковые модели способны генерировать простые текстовые задания в форме вопросов множественного выбора, вопросов с открытым ответом и тем для эссе. Вопросы множественного выбора на данный момент уже пригодны для использования. Учительской проверки и доработки на сегодняшний требуют дистракторы. Но, эта проблема уже поставлена перед генеративным ИИ и она в ближайшее время будет решена. Придумывание заданий и их правильных и ложных решений больше не является творческой задачей
- Эксперименты с использованием искусственно сгенерированных материалов школьными учителями показывают, что вокруг таких материалов могут и будут выстраиваться иерархические цепочки подобные тем, которые выстраивались в своё время вокруг других технологий - персональных компьютеров, Интернет-доступа, когда проводником к этим прорывным чудесам служил учитель информатики. В связи с этим мы можем рассматривать Gen AI при помощи давней рамки "1 ученик : 1 компьютер", в которой важным моментом было даже не то, что у каждого ученика должен быть свой компьютер, а то, что один и тот же компьютер используется учеником для своих учебных и повседневных задач и не возникает шизофренического разделения на компьютер для дома и учёбы. Мы ещё помним летние компьютерные лагеря, о которых Иллич бы написал, что заключённые там дети имею по два компьютера, но не обладают никакой субъектностью относительно того, как этими компьютерами пользоваться.
- Собранные кейсы использования GenAI показывают, что искусственный интеллект способен генерировать гораздо более сложные и интересные учебные материалы, которые будет интересны и востребованы учениками и будут использоваться ими в целях. которые школьное образование не рассматривает как приоритетные - создание учащимися видео-игр, музыкальных произведений и множества других артефактов, от которых профессоров отделяет ментальная пропасть. Существует реальная опасность формирования учительского и ученического GenAI.
